Sene 1997. Tüplü televizyonların puslu renkleri, grup elbiseli iki adamı satranç oynarken gösteriyor. Bu adamlardan biri satrancın o dönemki en büyük ismi olan Kasparov. Öbür kişi ise IBM’in yapay zekâ bilgisayarı Deep Blue’dan gelen komutları oynayan bir aracı. Dünyanın dört bir yanında bu maç haberlere husus oluyor çünkü birinci kere bir yapay zekâ, bir satranç ustasına baş tutuyor.
Aradan birkaç sene geçiyor, internet yeni yeni yaygınlaşmaya konutlara girmeye başlamış. Satranç bilen bilmeyen internetten satranç oynuyor ve herkes Chessmaster’da en zorda oyun açıp rakibinin ataklarını Chessmaster’da yapıyor. Chessmaster’ın verdiği karşılıkları da insan rakiplerine karşı kullanıyorlar. Botman diye bir manyak bu yapay zekâ işini abartıp Counter-Strike oyununa botları ekliyor ve oyunu konutlarda de internetsiz oynanabilir hâle getiriyor.
Sene 2024. Bir üniversitede ders veren bir akademisyen, öğrencilerin ödevleri yapay zekâya yaptırmadıklarından emin olmak için yeni yollar bulmaya çalışıyor. Pekala ortada ne oldu da yalnızca oyunlarda atılım yapan ya da kolay iddialar geliştiren yapay zekâlar kendi başına ödev yapar, program müellif oldu?
Aslında yapay zekâ çok uzun vakittir gündemde olan bir konu
1956 yılında John McCarthy, devrinin sayılı bilim insanlarını topladığı aktifliğe dikkat alımlı bir isim buldu: Yapay Zekâ. Aslında bu isim bulunmadan evvel, bilgisayar bilimci Arthur Samuel işten arta kalan vakitlerinde dama oynayacak kimseyi bulamıyor diye bir program geliştirmiş ve birinci yapay zekâyı -adını bilmeden de olsa- bulmuştu.
Bu periyodun bilgisayarları devasa olsalar da süreç kapasitesi olarak bugünün standartlarının çok gerisinde cihazlardı. Bu da onlara farklı bir özellik katıyordu: Yapay zekâ sizin benim üzere iddia yapmak durumundaydı. Birebir anda oynanabilecek zibilyon tane hamleyi hesaplayamadığı için, o an en ülkü görünen hamleyi yapıyordu.
Zamanla yapay zekâlar kendilerini geliştirebilmeye başladı. Yaptıkları atılım sonucunda oyun kaybettiklerinde ikinci en uygun alternatife yönelmeye başladılar. Bu da ortaya güçlendirilmiş öğrenme dediğimiz prosedürü çıkardı. Yalnız bu sistemde yapay zekâ daha fazla ya da daha güzel süreç yapmıyordu, sadece daha süratli süreç yapıyordu. Daima domates doğrarsanız nasıl ezmeden domates kesebileceğinizi ve kendinizi kesmeden süreci tamamlayabileceğinizi öğrenirsiniz lakin bu pratik, size “Al ananas doğra” dendiği vakit pek bir işe yaramaz. Eski yapay zekânın da bu türlü bir sorunu vardı. Bu yapay zekâya sembolik yapay zekâ ismi veriliyordu.
Yapay zekâ çok tanınan oldu lakin devam edemedi: “Yapay zekâ kışı” geldi
Yapay zekânın eski versiyonunda küçük bir sorun vardı: mucitler. Eski modeller tasarlanırken insanların her sorunu mantıkla çözdüğü varsayılırken, yapay zekânın da Aristo mantığı düzeyinde “Filler uçar, Mehmet de fildir o vakit Mehmet de uçar.” düzeyinde düşünmesi kâfi görülüyordu. Beşerler hiç de o denli mantıklı canlılar olmadıkları için yapay zekâ gereksinimlere yanıt veremiyordu. Firmalar bilim kurgu sinemalarındaki robotlara benzeri sistemler vaat ediyor fakat başaramıyordu.
Bu uyumsuzluk ve anlayış meseleleri nedeniyle, 70’ler ve 80’lerde büyük patlama yapan yapay zekâ çalışmaları 1987-1993 ortasında neredeyse durdu ve bu periyoda “yapay zekâ kışı” ismi verildi. Demokrasinin beşiği olduğunu söyleyen ülkenin “kovboy” olarak gördüğü aktörü devletin başına geçirdiği bir devirde insanların büsbütün mantıkla karar veren ve ona nazaran kodlar çalıştıran bir makineyi sevmemesi olağandı.
Sonrasında nöral ağlar geldi
Nöral ağlar, milyonlarca koda sahip ağır ve tek bir iş yapan yapay zekâların yerini almak üzere geldi. Bu yapay zekâ modelleri “gerçek manada düşünebilen” birinci yapay zekâ olarak değerlendirildi. Aslında yapay zekâ çalışmaları tarihi boyunca olan bu sistem, evvel 1986 yılında meşhur backpropagation isimli makale ile tekrar gündeme geldi. Siteleri robot olmadığımıza ikna etmek için gidip kedi köpek fotoğraflarına tıklamamız gerekmesinin temelinde de bu makale yer alıyor. Yapay zekâ, en kolay hâliyle görselleri katmanlara ayırıp katman bedelleriyle görselleri ya da dataları sınıflandırıyor. Ayrıyeten daha optimize çalışma ve eğitim sağlıyor.
Bu nöral ağ atılımının akabinde da 2012 yılında AlexNet geldi. Derin öğrenme ve nöral ağlar ile ilgili çığır açan bu makalede, araştırmanın başyazarı Alex Krizhevsky’den ötürü AlexNet kavramı ortaya atılmış olsa da çalışmada imzası bulunan isimlerden biri de Ilya Sutskever, hani şu OpenAI’ın arbede dövüş ayrılan kurucusu ve eski yöneticisi. Bu makale, çokça data ve çokça hesaplama gücü ile derin öğrenmenin nasıl kullanılabileceğini göstererek yeni çağın temellerini atmış oldu.
Bu devirde daha karmaşık hesaplamalar yapan, daha zeki, farklı gayelerle görevlendirilebilen yapay zekâ araçları ortaya çıkmaya başlarken makine öğrenmesi, büyük lisan modelleri üzere kavramlar da tanınan olmaya başladı. Genel manada beşerlerle daha misal yansılar veren ve insanları gerçek manada anlamaya yaklaşan yapay zekâların ilkel örneklerini de burada gördük.
Yapay zekâ gerçek manada boyut atlamış oldu
Eski yapay zekâ yaklaşımında iki boyutlu bir düzlem üzerinde, kodlara nazaran ilişkiler kuruluyor ve çok kısıtlı bir alanda, bilgiyi farklı alana aktaramadan süreç yapılıyordu. Yeni yaklaşımda ise çok fazla bilgi tıpkı anda göz önüne alınıyor ve farklı alanlarda elde edilen maharetler de öteki medyalara aktarılıyor. Yani kağıt üzerinde oklar çizen yapay zekâ artık üç boyutlu bir yapıyla ve her kesimi bir beyin üzere aktiflenerek çalışıyor.
